谷歌今天是开放式源语法，一段自然语言理解（NLU）软件，您可以用来自动解析句子，作为其Tensorflow开源机器学习库的一部分。该版本包括用于培训新模型的代码，以及用于解析英语文本的预先训练模型。
解析器，由名称parsey mcparseface，可以自动p out at word是名词或动词或一个形容词，就像你的三级英语老师一样，是世界上最准确的，谷歌说，殴打它自己的技术。它几乎与人类语言学家一样准确。所以这是世界自然语言研究的大量大问题。
但这对谷歌本身来说也很重要。
“我们在内部评估技术的方式实际上非常不同。我们对基准的关心更少，更重要的是，他们如何影响下游系统的性能。我们的目标是提高用户体验，“谷歌研究产品经理Dave Orr本周早些时候在加利福尼亚州山景谷歌总部接受谷歌总部采访时。
以上：来自Google的SyntaxNet的Parsey McParseface解析的句子的示例。如果您认识到这句话，那就是因为它出现在我昨天写的文章中。
图像与Tensorflow本身一样，语法主要在C ++中执行。既然它在谷歌的墙上可用，那么社区以外的人都可以得到改善，可以帮助公司找到新的人才以及带来Google产品的改进。一般来说，语言解析与产品评论相关 - 应用评论，餐厅/美食点评，购物评论 - 以及互联网搜索和谷歌现在正在进行的Android棉花糖的一部分。
“这真的很重要，因为语言有时是微妙的，这并不一定要明白人们所说的话，有些事情是非常背景，”谷歌研究团队领导Tania Bedrax-Weiss告诉VidtureBeat。“当你在谈论崩溃时，它是否是汽车崩溃，或者在一个应用程序中，或者某人只是累，他们说，'我正在崩溃。“崩溃”一词的所有这些上下文含义都非常微妙，需要相当多的理解。我们实际上可以开始培训此数据，并做得非常有趣的事情。“
与更传统的机器学习方法相比，奥尔说，一种称为深度学习的人工智能，已被证明在谷歌的语言理解更有用。该方法通常意味着在许多数据上培训人工神经网络，例如，谷歌搜索 - 然后让它们做出关于新数据的推论。谷歌已经为图像认可和语音识别雇用了深入的学习，现在它在语言理解世界中显而易见。实际上，神经网络是语法的关键，它带来了代号“神经症”。
有关SyntaxNet的更多信息，请在Github上查看库以及相应的Google Research博客文章。
